金融市场几乎所有的技术指标或者算法都是建立在数理统计基础之上的, 在构建模型之初, 所有的参量都是按比较传统的数值设置, 借助计算机运算统计能力, 设计者会尝试修改参量数值, 借此发现之前历史交易的较为优秀方案, 程序化交易者进入市场的前提条件是假设未来人性不会发生颠覆性的重大变化, 从而 依照历史交易统计基础编写的程序进行新的交易, 如果交易者完全认为未来交易会有完全不同的演绎, 那么交易就不可能发生, 当然历史不可能简单重演, 所以设计者在程序内加上了平仓与止损指令, 接受某次交易的失败, 因此优化模型不值得大惊小怪! 所有的研究都是建立在历史数据之上,所有的方法都不可能全面描述事件走势及结果, 这一点早在1931年就为捷克数理逻辑学家哥德尔证明, 对于程序交易者来讲, 优化参量 无非是想提高收益及胜率, 同时降低单次回撤及连载回撤, 借此降低交易带来的精神痛苦! 至于编写交易程序, 编写者的数学知识及其他知识越好, 编写出来的东西效果就会很好或者较好! 如果一个人连简单的数学知识都没有或者是一知半解, 他不可能编出什么好东西! 有些大师主张简单, 那是他个人的自由, 金融市场带有精神产品特征, 不是一两个简单的macd.cci 就能够描述得清楚的, 简单的模型有时会大获暴利, 同一时间复杂的模型或者会亏钱, 不过就长期交易来讲仍然是复杂且有深度的模型效果要好, 不管怎样, 所有要投入实盘的模型建议阁下先进行足够多的数据测试及仿真交易呵! 这可是''大数定律''揭示的!
如果有时间和精力建议大家读一读艾琳.奥尔德里奇著的《高频交易》(Iene Aldridge<HIGH-FREQUENCY TRADE>)。
以下是引用yp1234在2013-3-16 12:33:37的发言:
金融市场几乎所有的技术指标或者算法都是建立在数理统计基础之上的, 在构建模型之初, 所有的参量都是按比较传统的数值设置, 借助计算机运算统计能力, 设计者会尝试修改参量数值, 借此发现之前历史交易的较为优秀方案, 程序化交易者进入市场的前提条件是假设未来人性不会发生颠覆性的重大变化, 从而 依照历史交易统计基础编写的程序进行新的交易, 如果交易者完全认为未来交易会有完全不同的演绎, 那么交易就不可能发生, 当然历史不可能简单重演, 所以设计者在程序内加上了平仓与止损指令, 接受某次交易的失败, 因此优化模型不值得大惊小怪! 所有的研究都是建立在历史数据之上,所有的方法都不可能全面描述事件走势及结果, 这一点早在1931年就为捷克数理逻辑学家哥德尔证明, 对于程序交易者来讲, 优化参量 无非是想提高收益及胜率, 同时降低单次回撤及连载回撤, 借此降低交易带来的精神痛苦! 至于编写交易程序, 编写者的数学知识及其他知识越好, 编写出来的东西效果就会很好或者较好! 如果一个人连简单的数学知识都没有或者是一知半解, 他不可能编出什么好东西! 有些大师主张简单, 那是他个人的自由, 金融市场带有精神产品特征, 不是一两个简单的macd.cci 就能够描述得清楚的, 简单的模型有时会大获暴利, 同一时间复杂的模型或者会亏钱, 不过就长期交易来讲仍然是复杂且有深度的模型效果要好, 不管怎样, 所有要投入实盘的模型建议阁下先进行足够多的数据测试及仿真交易呵! 这可是''大数定律''揭示的!
看得出来,这段论述很内行!
“与一个模型实盘操盘手X关于过度优化的对话”
看得出来,这位所谓的“实盘操盘手”对“过度优化”问题也是一个外行
实盘操盘手我见过一些,没发现谁会操盘,下单主要靠瞎猜,美其名曰"盘感",收入主要靠手续费
包括用程序化的实盘操盘手,多数是半程序化,经常要用手工调调参数,这个不行换内个,本质依然是瞎猜